KR20160015301A - 로컬 시맨틱 스코어링을 사용한 위치 인식 - Google Patents

Abstract

지리적 영역에 관한 하나 이상의 특징들을 설명하는 연속 스코어링 모델들을 결정하는 시스템들 및 방법들이 제공된다. 스코어링 모델들은 영역 정보 뿐만 아니라 포인트 소스들 양자로부터의 정보를 통합하기 위해 피팅될 수 있다. 스코어링 모델들에 기초하여, 사용자는 임의의 원하는 위치에서의 하나 이상의 특징들에 대한 또는 원하는 지리적 영역에 대한 특징 값들을 획득할 수 있다. 특징들이 연속 함수로 표현되기 때문에, 2차 값들을 형성하기 위한 임의의 지리적 영역들에 대한 특징 값들의 비교들 및/또는 특징들의 조합들이 또한 수행될 수 있다.

Description

로컬 시맨틱 스코어링을 사용한 위치 인식{LOCATION AWARENESS USING LOCAL SEMANTIC SCORING}

탐색 엔진들은 상대적 위치에 기초하여 관련되는 탐색 문의에 대한 응답들을 식별하는 개선된 능력들을 계속 얻고 있다. 위치 기반 특징들(feasures)은 사용자의 현재 위치와 같은 사용자에 의해 특정된 위치와 관련되지 않은 엔티티들 및/또는 다른 결과들을 탐색 엔진이 필터링하게 할 수 있다. 이러한 특징들에 기초하여, 위치가 특정되면, 사용자는 근처에 식당들, 소매점들, 또는 다른 관심 엔티티들이 있는지와 같이 근처에 관심의 서비스들이 있는지를 결정할 수 있다. 이러한 타입의 위치 기반 탐색은 유용하지만, 사용자는 탐색을 시작하기 위해 초기 위치를 특정하는 것을 여전히 요구한다. 따라서, 특정한 지리적 영역과 친근하지 않은 사용자는 식사 또는 엔터테인먼트와 같은 관심의 특징들을 찾기 위해 탐색 엔진을 사용하는데 있어서 제한된 능력을 갖는다. 예를 들어, 사용자는 상위 레벨의 선호도들 또는 시맨틱 관심들에 기초하여 영역에 브라우징할 수 없거나 관심의 엔티티를 발견할 수 없다.

다양한 양태들에서, 지리적 영역에 관한 하나 이상의 특징들을 설명하는 연속 스코어링 모델들을 결정하는 시스템들 및 방법들이 제공된다. 스코어링 모델들은 영역 정보 뿐만 아니라 포인트 소스들 양자로부터의 정보를 통합하기 위해 피팅(fit)될 있다. 스코어링 모델들에 기초하여, 사용자는 임의의 원하는 위치에서의 하나 이상의 특징들에 대한 또는 원하는 지리적 영역에 대한 특징 값들을 획득할 수 있다. 특징들이 연속 함수로 표현되기 때문에, 2차 값들을 형성하기 위한 임의의 지리적 영역들에 대한 특징 값들의 비교들 및/또는 특징들의 조합들이 또한 수행될 수 있다.

본 개요는 상세한 설명에서 더 후술하는 단순화된 형태로 개념들의 선택을 도입하기 위해 제공된다. 본 개요는 청구물의 중요한 특징들 또는 본질적인 특징들을 식별하려 의도되지 않고 청구물의 범주를 결정하는데 있어서 별개로 돕기 위해 사용되는 것으로 의도되지 않는다.

본 발명은 첨부한 도면들을 참조하여 아래에 상세히 설명된다.
도 1 내지 도 3은 탐색 환경에서 특징 스코어들의 디스플레이의 예들을 개략적으로 도시한다.
도 4는 특징 스코어 정보를 디스플레이하는 다른 방법의 예를 개략적으로 도시한다.
도 5는 특징 스코어 정보를 디스플레이하는 다른 방법의 예를 개략적으로 도시한다.
도 6은 본 발명의 일부 실시예들을 수행하는데 적합한 네트워크 환경을 개략적으로 도시한다.
도 7은 본 발명의 일부 실시예들을 구현하는데 있어서 사용하는데 적합한 예시적인 컴퓨팅 환경의 블록도이다.
도 8 내지 도 10은 본 발명의 일부 실시예들에 따른 방법들의 예들을 도시한다.

개요

다양한 양태들에서, 지리적 영역에 관한 하나 이상의 시맨틱 특징들을 설명하는 평활한 연속 함수들을 결정하는 시스템들 및 방법들이 제공된다. 평활한 연속 함수들은 일부 타입의 지리적 영역에 일반적으로 관련된 정보 뿐만 아니라 단일 위치에서의 개별 엔티티들로부터의 정보를 통합하기 위해 피팅될 수 있다. 기반 함수들에 기초하여, 사용자는 임의의 원하는 위치에서의 하나 이상의 특징들에 대한 또는 원하는 지리적 영역에 대한 특징 값들을 획득할 수 있다. 시맨틱 특징들이 연속 함수로 표현되기 때문에, 임의의 지리적 영역들에 대한 특징 값들의 비교들이 또한 수행될 수 있다. 이것은 예를 들어, 가장 높은 식사 또는 식당 스코어를 갖는 도시 내의 영역, 또는 식사, 엔터테인먼트, 및 접근성 스코어들의 원하는 조합을 갖는 영역의 식별을 허용할 수 있다. 사용자는 원하는 레벨의 추상화(abstraction)에서 지리적 영역의 특징들을 조사하는 것을 또한 선택할 수 있다.

특징들에 대한 스코어링 모델 구성

특징 정보를 제공하는데 있어서 제 1 단계에서, 관심의 특징에 관한 다양한 타입의 데이터가 식별될 수 있다. 그 후, 식별된 데이터는 적어도 관심 영역에 걸쳐 연속인 데이터 모델의 개발에 대한 기본 함수를 피팅하기 위해 사용될 수 있다.

"특징"은 시맨틱 스코어 또는 특징 스코어로서 수치적으로 표현될 수 있는 임의의 편리한 타입의 정보로서 식별된다. 특징에 대한 특징 스코어는 특징에 관련되는 것으로서 식별되는 기반 데이터에 기초하여 결정된다. 예를 들어, 일 타입의 특징이 "식사"일 수 있고, 여기서, 식사 스코어는 특징 스코어 위치에 관련되는 식당들에 관한 수, 품질, 및/또는 다른 정보를 표현한다. 특징 스코어 위치에 관한 것으로 식별되는 개별 식당들 각각은 식사 스코어를 결정하는 함수에 기여하는 데이터 포인트로서 표현될 수 있다. 개별 데이터 포인트 값들에 대응하는 데이터에 기초한 다른 특징들은 스코어가 특징에 대해 관련되는 것으로서 식별되는 개별 엔티티들 또는 다른 데이터 포인트들에 기초하여 전개될 수 있는 라이브 음악 특징, 바 또는 펍(pub) 특징, 쇼핑 특징, 그린 스페이스 특징, 또는 임의의 다른 타입의 특징을 포함할 수 있다. 옵션으로, 개별 데이터 포인트들이 타당한 스케일의 맵상에 디스플레이될 때 어떠한 의미 있는 공간적 범위를 갖지 않기 때문에, 개별 데이터 포인트들을 "무차원(dimensionless)" 데이터로 지칭할 수 있다. 대신에, 데이터 포인트들은 단일의 거리 어드레스와 같은 단일 위치와 통상적으로 연관된다.

다른 타입들의 특징들이 정의된 지리적 영역에 대한 데이터에 기초할 수 있다. 일부 타입들의 특징들은 강에 대한 거리 또는 (주요 도로 또는 고속도로와 같은) 주요 간선도로(thoroughfare)에 대한 거리에 기초한 특징들에 대응할 수 있다. 이러한 타입의 특징은 강 또는 도로/고속도로에 대응하는 지리적 영역에 대한 라인-기반 데이터를 갖는 것으로서 일반적으로 설명될 수 있다. 옵션으로, 이러한 타입의 특징을 1-차원 데이터를 갖는 것으로 지칭할 수 있고, "길이" 차원이 특징의 지리공간적 경로에 대응한다. 도 다른 특징이 ("안전" 특징에 대한) 범죄 통계, ("교통" 특징에 대한) 인구 밀도, 차량들의 수 및/또는 하나 이상의 근처 거리들상의 평균 속도, 또는 위치와 연관된 하나 이상의 공립 학교들에 기초한 "학교 품질" 특징과 같은 영역 기반 값들에 대응할 수 있다. 이러한 특징들은 옵션으로 2차원 데이터를 갖는 것으로서 지칭할 수 있다.

수치값으로서 표현될 수 있는 임의의 타입의 특징이 스코어링 모델에 기초하여 특징으로서 표현될 수 있다. 일부 잠재적 특징들은 식사, 와인, 펍들, (라이브) 음악, 극장, 영화들, 운동경기들, 하이킹, 스노우 스포츠, 비치 액세스, 관광 명소들, 또는 소망하는 임의의 다른 타입의 엔터테인먼트 특징과 같은 엔터테인먼트 특징들을 포함할 수 있지만, 이에 제한되지 않는다. 상기 리스트에 나타낸 바와 같이, 다수의 엔터테인먼트 특징들은, (비치 액세스와 같은) 일부 특징들이 라인-기반 데이터를 나타낼 수 있지만, 포인트 위치들에 대응하는 특징들을 나타낸다. 특징들의 다른 예들이 인구 밀도, 교통, (주요 간선도로들로부터의 거리와 같은) 접근성, 보행자 친화성 또는 보행성, 바이크 친화성, 학교 품질, 범죄, 가족 친화성, 또는 쇼핑에 대한 특징들과 같은 라이프스타일 특징들일 수 있다. 특징들의 또 다른 예들은 위치에서 소셜 미디어 사용자들에 의한 체크-인들의 상대적 수 또는 위치에 대한 "좋아요(like)"들의 수와 같은 소셜 미디어 특징들을 포함할 수 있다.

"기본 그리드 영역"은 특징과 연관된 데이터를 표현하기 위해 연속 함수를 결정하는데 사용하기 위한 단일 그리드 영역을 지칭한다. 특징과 연관된 데이터를 표현하기 위해 함수를 결정하기 이전에, 적어도 관련 관심 영역에 대응하는 영역은 복수의 기본 그리드 영역들로 분할된다. 바람직하게는, 기본 그리드 영역들은 영역을 정사각형들, 직사각형들, 또는 다른 패러럴파이프들(parallelepipeds)로 분할하는 것과 같은, 일정한 테셀레이션(tessellation)을 사용하여 형성된다. 개별적인 기본 그리드의 사이즈는 임의의 편리한 사이즈일 수 있다. 일 옵션이 대도시 영역에서 도시 블록의 사이즈를 대략 갖는 정사각형 기본 그리드들을 선택하는 것이다. 대안으로서, 기본 그리드의 사이즈는 예를 들어, 대도시 영역에서 더 작인 기본 그리드 영역들 및 시골 영역에서 더 큰 기본 그리드 영역들을 사용함으로써 변할 수 있다. 이것은 바람직하지만, 모든 특징들에 대해 동일한 기본 그리드 영역들을 사용하는 것과 같이, 동일한 기본 그리드 영역들이 다중의 특징들에 대해 사용되는 것을 요구하지 않는다. 이것은 상이한 특징들로부터의 특징 스코어들을 조합하는 것을 용이하게 할 수 있다.

"기본 함수"는 기본 그리드 영역에서 특징과 연관된 데이터의 적어도 일부를 표현하기 위해 사용되는 함수로서 정의된다. 다른 함수 형태들이 적합할 수 있지만, 가우시안 함수가 기본 그리드 영역내에서 특징 데이터를 나타내는 편리한 선택을 나타낸다. 정해진 특징에 대해, 하나 이상의 기본 함수들이 기본 그리드 영역 내의 데이터를 나타내기 위해 사용될 수 있다. 예를 들어, 포인트 또는 위치 기반 데이터에 대해, 단일(가우시안) 기본 함수가 데이터를 피팅하기 위해 사용될 수 있거나, 복수의 가우시안들이 그리드 영역내에서 동일하게 이격될 수 있거나, 가우시안이 각 데이터 포인트와 연관될 수 있다. 하나 이상의 기본 함수들이 기본 그리드 영역 내의 데이터를 나타내기 위해 사용될 수 있는 한은, 또 다른 대안들이 또한 사용될 수 있다. 하나 이상의 가우시안 함수들이 기본 그리드 영역내에서 라인-기반 및 영역-기반 데이터 데이터를 나타내기 위해 유사하게 사용될 수 있다. 그 후, 포인트, 라인, 및/또는 영역 기반 특징에 할당된 데이터 값들이 하나 이상의 기본 함수들을 피팅하기 위해 사용될 수 있다.

그 후, 복수의 그리드 영역들로부터의 기본 함수들이 특징에 대한 스코어링 모델을 결정하기 위해 사용될 수 있다. (대안으로는, 특징 데이터가 적절한 형태를 가지만, 스코어링 모델은 특징 데이터의 적어도 일부에 직접 피팅될 수 있다). 특징에 대한 스코어링 모델을 결정하기 위해 사용된 복수의 그리드 영역들이 다양한 방식들로 선택될 수 있다. 일부 양태들에서, 기본 함수들을 갖는 기본 그리드 영역들이 미합중국과 같은 큰 지역에 대해 이용가능할 수 있다. 이러한 양태들에서, 스코어링 모델을 계산하기 위해 모든 이용가능한 그리드 영역들을 사용하는 것이 가능하다. 대안으로서, 컷오프 거리내에 있고 그리고/또는 일부 다른 상대적 기준들을 충족시키는 그리드 영역들이 스코어링 모델을 계산하기 위해 선택될 수 있다. 바람직하게는, 선택된 복수의 그리드 영역들은 사용자에 의해 식별된 지역과 같은, 관심 지역 내의 연속 스코어링 모델의 계산을 허용한다. 대안의 실시예에서, (미합중국과 같은) 큰 지역이 다양한 복수의 그리드 영역들로 사전에 분할될 수 있고, 스코어링 모델들은 사전에 그리고/또는 다양한 복수의 그리드 영역들 각각에 주기적으로 기초하여 계산된다.

다양한 함수 형태들이 스코어링 함수에 대해 사용될 수 있다. 스코어링 모델을 계산하는 일 방법은 각 상이한 특징에 대한 상이한 함수 형태들의 함수들을 피팅하는 것을 초기에 시도하는 것이다. 적합한 함수 형태들의 예들이 가우시안 함수들, 지수 함수들, 및 3차 함수들을 포함한다. 각 타입의 함수 형태에 대해, 함수가 각 기본 그리드 영역에 할당될 수 있다. 그 후, 함수들은 예를 들어, 가중된 최소 제곱 회귀에 의해 그리드 영역들 내의 기본 함수들에 피팅된다. 그 후, 이러한 초기 시도 동안 최상의(또는 원하는) 피팅을 제공하는 함수 형태가 그 특징에 대한 스코어링 모델에 대한 함수 형태로서 선택된다.

개별 함수가 스코어링 모델을 구축하는 각 기본 그리드 영역에 할당되지만, 기본 그리드 영역에 할당된 함수의 값은 기본 그리드 영역에 대한 경계에서 통상적으로 제로가 아니다는 것에 유의한다. 대신에, (적어도) 인접한 그리드 영역들로부터의 함수들이 그리드 영역내에서 의미 있는 넌-제로 값들을 가질 수 있다. 따라서, 그리드 영역들 사이의 경계들에서, 모든 위치들에서의 스코어링 모델이 복수의 연속 함수들에 걸친 합을 나타내기 때문에, 스코어링 모델은 여전히 연속적일 수 있다.

스코어링 모델에 대한 함수 형태를 선택하기 위한 초기 피팅 이후에, 그리드 영역들 내의 기반 데이터 및/또는 기본 세트 함수들이 규칙화되어 미싱 또는 스퓨리어스 데이터의 영향을 제거하고 그리고/또는 최소화할 수 있다. 예를 들어, 일부 특징들에 대한 데이터 값들이 "와인" 특징에 대한 데이터 값들과 같이, 덜 빈번하게 보고될 수 있다. 도시내에서, 그리드 영역이 "식당" 특징에 대한 높은 스코어를 갖고 인접한 그리드 영역들이 "와이" 특징에 대한 높은 스코어들을 갖더라도, 그리드 영역은 "와인" 특징에 대한 데이터 값들을 갖지 않을 수 있다. 후술하는 바와 같이, 충분한 데이터가 있다면, "와인" 특징에 대한 데이터 값이 추정될 수 있고 (적합한 기본 함수를 사용하여) 그리드 영역에 할당될 수 있다.

스코어링 모델을 규칙화한 이후에, 스코어링 모델을 기반 기본 함수들/데이터에 피팅하기 위해 추가의 반복들이 수행될 수 있다. 임계값 아래의 피팅으로부터의 잔류값을 갖거나 공차값 미만 만큼 서로 상이한 다중의 반복들로부터의 잔류값들을 갖는 것과 같이, 하나 이상의 기준들이 충족될 때까지, 추가의 반복들이 수행될 수 있다.

복수의 기본 그리드 영역들에 걸쳐 스코어링 모델을 피팅한 이후에, 스코어링 모델은 포인트에서 또는 영역에 걸쳐 특징 스코어를 결정하기 위해 사용될 수 있다. "특징 스코어 위치"는 특징 스코어가 하나 이상의 시맨틱 특징들에 대해 요청되는 단일 포인트 또는 정의된 영역으로서 정의된다. 특징 스코어 위치가 단일 포인트에 대응할 때, 단일 포인트는 임의의 편리한 방법에 의해 선택될 수 있다. 예를 들어, 사용자는 터치 스크린상의 위치를 선택함으로써 맵상의 단일 포인트를 식별할 수 있거나, 사용자의 현재 위치와 같은 디폴트 위치가 사용될 수 있다. 특징 스코어 위치가 영역에 대응할 때, 영역은 임의의 편리한 방식으로 정의될 수 있다. 일 옵션이 위치 주위의 경계 형상을 제공하는 (사전정의된 반경 또는 사용자 선택된 반경과 같은) 반경을 사용하는 것이다. 다른 옵션은 위치 주위의 다른 타입의 경계 형상을 사용하는 것이다. 경계 형상은 형상 및 차원이 사전 정의될 수 있고, 하나 이상의 사용자 선택된 차원들을 갖는 형상으로 사전 정의될 수 있거나, 경계 형상은 사용자에 의해 완벽하게 특정될 수 있다. 또 다른 옵션은 적어도 하나의 경계가 예를 들어, 경계의 일부로서 강 또는 주요 간선도로를 사용하는, 로컬 지리에 기초하여 자동으로 선택되는 경계 형상을 갖는 것이다. 또 다른 옵션이 예를 들어, 짚 코드에 대한 경계들 또는 단일 하우징 전개의 일부로서 구축된 집들의 그룹에 대한 경계들을 사용하는, 경계 형상으로서 사전 정의된 지리적 영역을 사용하는 것이다. 특징 스코어 위치가 영역에 대응할 때, 특징 스코어 위치는, 특징 스코어 위치에 대한 경계들이 정의될 수 있는 한은 임의의 편리한 사이즈를 가질 수 있다. 특징 스코어 위치를 결정하는 일 방식이 탐색 문의에 대한 응답 결과와 연관된 포인트 또는 영역을 사용하는 것이다. 대안으로는, 특징 스코어 위치는 사용자에 의해 직접 정의될 수 있거나, 특징 스코어 위치는 예를 들어, 사용자 컨텍스트로부터 추론될 수 있다.

"샘플링 영역"은 특징 스코어 위치와 유사한 정의를 갖지만, 하나 이상의 특징들에 대한 임계값을 충족시키는 하나 이상의 특징 스코어 위치들을 식별하기 위해 샘플링되는 영역을 나타낸다. 임계값을 충족시키는 것은 임계값 보다 큰 것, 임계값 보다 작은 것, 이들의 조합에 대응할 수 있다.

특징 스코어가 특징 스코어 위치에 대해 요청될 때, 특징 스코어는 스코어링 모델을 적절하게 샘플링함으로써 결정된다. 단일 포인트에 대응하는 특징 스코어 위치에 대해, 스코어링 모델은 선택된 포인트에서 샘플링된다. 영역에 대응하는 특징 스코어 위치에 대해, 여러 옵션들이 이용가능하다. 일 옵션이 특징 스코어 위치에 대응하는 영역에 걸쳐 스코어링 모델을 통합하는 것이다. 다른 옵션이 특징 스코어 위치 내의 다양한 포인트들에서 샘플링함으로써 특징 스코어 위치에 대한 평균 스코어를 결정하는 것이다. 다른 제 3 옵션이 특징 스코어 위치내에서 스코어의 "히트 맵"을 디스플레이하는 것이고, 여기서, 특징 스코어에서의 변동들은 예를 들어, 낮은 스코어 값 및 높은 스코어 값 사이의 변동들을 나타내기 위해 컬러 스펙트럼을 사용함으로써 시각적으로 나타난다. 그 후, 컬러 스펙트럼 내의 디스플레이된 컬러들에서의 변동들이 낮은 스코어 값과 높은 스코어 값 사이의 다양한 중간 스코어 레벨들을 나타낼 수 있다.

스코어링 모델이 특징 스코어를 결정하는 연속 함수를 제공한다는 것에 유의한다. 그 결과, 스코어링 모델은 사용자가 소망하는 임의의 레벨의 세부사항에서 특징 스코어를 제공하기 위해 사용될 수 있다. 이것은 단일 특징 스코어 값이 기본 그리드 영역에 할당되지 않고, 그 후, 기본 그리드 영역을 수반하는 모든 요청들에 대한 값으로서 사용된다는 것을 의미한다. 대신에, 특징 스코어들이 특징에 대한 스코어링 모델에 대응하는 연속 함수를 샘플링함으로써 결정되기 때문에, 특징 스코어의 값은 일반적으로 기본 그리드 영역내에서 변화한다. 예를 들어, 특징 스코어 위치가 기본 그리드 영역 내의 개별 포인트일 때, 스코어링 모델을 샘플링하는 것으로부터의 결과적인 특징 스코어는 기본 그리드 영역에 대한 평균 특징 스코어와 통상적으로 동일하지 않다. 대신에, 특징 스코어는 각 기본 그리드 영역 내의 각 포인트에 대해 이용가능하다. 유사하게는, 특징 스코어 위치가 영역에 대응할 때, 정의된 특징 스코어 위치에 대한 특징 스코어(들)는 특징 스코어 위치와 오버랩하는 기반 기본 그리드 영역들에 대한 사전 계산된 평균 값에 단순히 기초하지 않고, 특징 스코어 위치에서의 특징 스코어에 대한 샘플링된 값들에 기초하여 리턴될 수 있다.

스코어링 모델의 업데이팅

특징에 대한 스코어링 모델은 기반의 식별된 특징 데이터에서의 변화들을 반영하기 위해 주기적으로 그리고/또는 필요에 따라 업데이트될 수 있다. 변화들을 반영하기 위해 시간마다, 매일, 또는 매주에 기초하여 일부 특징들에 대한 스코어링 모델을 업데이트하는 것이 바람직하다. 예를 들어, 여름 동안, 각종의 공원들 및 다른 사업들은 아웃도어 콘서트들, 영화 상영 등을 가질 수 있다. 이들 이벤트들은 일주일에 한 번만, 그리고 일 년에 특정한 주간들 동안만 발생할 수 있다. 라이브 음악 특징에 대한 매일 기초하여 스코어링 모델을 업데이팅함으로써, 라이브 음악 특징은 추가의 아웃도어 이벤트들의 이용가능성을 반영하기 위해 정해진 특징 스코어 위치를 변화시킬 수 있다. 다른 업데이트 빈도들이 다른 활동들을 캡처하는데 적합할 수 있다. 예를 들어, 일 타입의 특징이 지난 시간 동안 소셜 미디어 사이트상의 정해진 엔티티 또는 정해진 지리적 영역/위치에 등록된 체크-인들의 수와 같은 소셜 네트워크에 대한 활동에 관한 특징일 수 있다. 이것은 인기 있는 나이트클럽의 표시자일 수 있어서, 관심 특징일 수 있다. 가장 최근의 체크-인 데이터를 캡처하기 위해, "체크-인" 특징에 대한 스코어링 모델은 요청이 특징 스코어에 대해 수신될 때 스코어링 모델을 업데이팅함으로써 포인트 위치 또는 작은 영역에 대해 실시간으로 업데이트될 수 있다. 다른 타입의 특징이 시간 주기내에서 엔티티 또는 지리적 영역/위치에 대한 소셜 네트워크에 등록된 "좋아요"들의 수일 수 있다. 스코어링 모델에 대한 이러한 업데이트는 상대적으로 작은 수의 근처의 기본 그리드 영역들에 기초하여 수행될 수 있다. 포인트 위치에 대해, "체크-인" 또는 "좋아요" 타입 특징이 근처의 기본 그리드 영역들에 기초한 계산을 수반할 가능성이 있는 경우에도, 원하는 위치에서의 체크-인들(또는 좋아요들)의 수는 다른 근처의 위치들에서의 체크-인(또는 좋아요) 활동과 비교될 수 있다.

특징 스코어들의 디스플레이

스코어링 모델은 임의의 타입의 특징에 대해 전개될 수 있고, 여기서, 특징은 수치값에 의해, 또는 대안으로는, 수가 연속 범위에서 임의의 또는 모든 포인트들과 명시적으로 연관되지 않더라도 값들의 연속 범위로서 표현될 수 있다. 통상적으로, 스코어링 모델은 스코어링 모델로부터의 최대 및 최소 값들이 원하는 범위내에 있도록 정규화될 수 있다. 특징에 대한 잠재적 값의 예들은 1 내지 100, 0 내지 10, -20 내지 20의 범위들, 다른 구별을 허용하기 위해 소수점 이후에 하나 이상의 숫자들이 제공되는 범위들, 또는 임의의 다른 편리한 타입의 범위를 포함할 수 있다. 옵션으로, 특징에 대한 스코어는 컬러, 폰트 특징, 또는 특징 스코어를 질적으로 나타내기 위한 다른 디스플레이 속성을 사용하는 것과 같이, 2차 디스플레이 속성을 사용하여 더 예시될 수 있다.

영역에 대응하는 특징 스코어 위치에 대해, 제공된 특징 스코어는 사용자 및/또는 본 발명의 특정한 양태에 의해 이루어진 요청의 타입에 따라 변화할 수 있다. 영역에 대응하는 특징 스코어 위치에 대한 특징 스코어를 복귀시키는 일 옵션이 특징 스코어 위치에 대한 평균 스코어를 제공하는 것이다. 상술한 바와 같이, 이것은 특징 스코어 위치에 대응하는 영역에 걸친 스코어링 모델의 적분에 기초한 평균, 특징 스코어 위치 내의 (랜덤하게 분포된 포인트들, 균일하게 분포된 포인트들, 또는 동등하게 이격된 포인트들과 같은) 개별 포인트들의 샘플링, 또는 다른 편리한 타입의 평균일 수 있다. 영역-기반 특징 스코어를 복귀시키는 다른 옵션이 영역에 대한 특징 값들을 제공하는 것이다. 일 옵션이 특징 스코어가 특징 스코어 위치내에서 어떻게 변화하는지의 컬러의 디스플레이에 기초한 연속 표현을 제공하는 것이다. 다른 옵션이 영역 내의 특징 스코어들을 보고하는 개별 포인트들을 선택하는 것이다. 개별 포인트들은 랜덤하게 분포된 포인트들, 특징 스코어 위치가 균일하게 분포되도록 선택된 포인트들, 특징 스코어 위치내에서 높고/낮고/중간 스코어 값을 가짐으로 인해 현저한 포인트들, 또는 다른 편리한 방법에 의해 선택된 개별 포인트들일 수 있다.

하나 이상의 특징들에 대한 스코어링 모델을 생성한 이후에, 각종의 옵션들이 특징 스코어를 사용자에게 표면화하기 위해 이용가능하다. 일 옵션이 탐색 결과들과 관련한 보충 정보의 일부로서 특징 스코어들을 제공하는 것이다. 예를 들어, 사용자는 라이브 음악 또는 펍들이 근처에서 이용가능할 것 같은 이웃에 있는 멕시코 식당을 찾기를 원할 수 있다. 이것을 찾기 위해, 사용자는 가능하면 선호하는 식당 체인의 이름을 포함하여, 지리적 영역에서 멕시코 식당에 대한 탐색을 먼저 수행할 수 있다. 이것은 식당들에 대한 복수의 탐색 결과들을 응답할 것이다. 표준 링크들에 따라, 탭 또는 다른 선택가능한 표시자가 각 식당 위치에 대한 링크 다음에 제공될 수 있다. (예를 들어, 클릭하거나, 호버링하거나, 다른 선택 방법에 의해) 이러한 탭에 접근하는 것은 특정한 위치에 대한 특징 스코어 정보를 나타낼 수 있다. 특징 스코어 정보는 위치에 대한 지리적 영역의 하나 이상의 시맨틱 속성들을 캡슐화할 수 있다. 이러한 특징 스코어 정보는, 팝업 메시지로서, 또는 다른 편리한 방식으로 사이드바 영역에 나타날 수 있다. 사용자는 "라이브 음악" 및 "펍들 또는 바들"에 대한 특징 스코어들이 디스플레이되어야 한다는 것을 사전에 특정할 수 있거나, 이들 특징들은 사용자가 추가의 특징 스코어 정보에 대한 탭에 액세스한 이후에 선택될 수 있다. 그 후, 사용자는 원하는 특징들에 관한 식당에 대한 보충 특징 스코어 정보를 보기 위해 관심 식당들 중 하나 이상에 대한 탭을 선택할 수 있다. 이러한 상황에서, 보고된 특징 스코어들은 식당의 포인트 위치에 매칭하는 특징 스코어 위치에 대응할 수 있다. 대안으로는, 사용자는 특징 스코어가 식당 주위의 특정된 영역에 대해 응답되어야 한다는 것을 특정할 수 있다.

특징 스코어들에 액세스하는 다른 옵션이 사용자가 원하는 포인트 또는 영역에 대한 특징 스코어들을 직접 조사하게 하는 애플리케이션을 사용하는 것이다. 일 양태에서, 사용자는 로컬 영역을 조사하기 위해 특징 스코어 정보를 사용할 수 있다. 예를 들어, 사용자는 관심의 하나 이상의 원하는 특징 스코어들을 특정함으로써 시작할 수 있다. 그 후, 특징 스코어 위치가 사용자의 현재의 위치에 기초하여, 맵상의 사용자에 의해 선택된 포인트 위치에 기초하여, 그리고/또는 선택된 포인트 주위의 영역을 정의하는 경계 형상에 기초하여 선택될 수 있다. 그 후, 특징 스코어 위치(포인트, 라인, 또는 영역)에 대한 특징 스코어들이 디스플레이될 수 있다. 옵션으로, 특징 스코어 위치를 나타내는 맵이 또한 디스플레이될 수 있다. 옵션으로, 이러한 맵은 식당들에 대한 위치들, 골프 코스들, 쇼핑 센터들, 또는 다른 관심 엔티티들을 나타내는 것과 같이, 임의의 다른 종래의 이용가능한 특징들을 디스플레이할 수 있다. 그 후, 사용자는 맵상의 다른 포인트를 선택하고, 맵 디스플레이 영역상의 특징 스코어 위치를 드래그하거나 이동시키거나, 임의의 다른 편리한 방법에 의해 맵상의 특징 스코어 위치를 이동시킬 수 있다. 사용자는 디스플레이된 맵 영역에 비하여 특징 스코어 위치에 대한 더 많은 세부사항 또는 더 많은 컨텍스트를 제공하기 위해 맵의 줌 레벨을 또한 변경할 수 있다.

다른 양태에서, 애플리케이션은 사용자가 원하는 특징 스코어를 갖는 포인트들 또는 영역들을 탐색하게 할 수 있다. 사용자는 탐색 위치로서, 도시, 도시의 일부, 이웃, 또는 다른 영역과 같은 영역을 특정할 수 있다. 그 후, 사용자는 하나 이상의 특징들에 대한 원하는 임계 스코어들을 특정할 수 있다. 그 후, 충분히 높은 특징 스코어(들)를 갖는 탐색 위치 내의 포인트들 및/또는 영역들이 디스플레이될 수 있다. 이러한 타입의 양태에 대한 변형으로서, 사용자는 영역들 사이의 특징 스코어들을 비교하기 위해 2개 이상의 영역들을 또한 특정할 수 있다.

일반적으로, 특징 스코어 위치 및 특징 스코어를 생성하는 선택된 특징들이 임의의 편리한 순서로 선택될 수 있다. 따라서, 특징 스코어 위치는 특징 스코어를 보는 관심 특징들을 선택하기 이전에 선택될 수 있거나, 특징 스코어 위치는 특징들을 선택한 이후에 선택될 수 있거나, 특징 스코어 위치는 일부 특징 이전에 그리고 다른 특징들 이후에 선택될 수 있다. 샘플링 영역이 정의되는 실시예들에서, 이것은 사용자가 임계값(들)을 충족하는 하나 이상의 특징 스코어들에 대응하는 특징 스코어 위치들을 탐색한다는 것을 나타낼 수 있다. 이러한 실시예들에서, 샘플링 영역은 특징들의 선택 이전, 이후, 또는 이전 및 이후 양자에서 결정될 수 있다. 유사하게, 특징 임계치들이 샘플링 영역의 결정 또는 특징들의 선택 이전 그리고/또는 이후에 식별되거나 결정될 수 있다.

2차 값들의 생성

일부 양태들에서, 복수의 특징 스코어들에 대한 스코어링 모델은 동일한 스코어링 스케일에 기초할 수 있다. 이러한 양태들에서, 사용자는 이용가능한 특징들의 조합들을 나타내는 2차 값들을 생성할 수 있다. 이러한 2차 특징들은 이용가능한 특징 값들의 가중된 선형 조합을 나타낼 수 있다. 예를 들어, 사용자는 2차 값으로서 커스터마이징된 "엔터테인먼트" 측정치를 소망할 수 있다. 사용자는 식사, 라이브 음악, 영화관들, 및 접근성(영역내 교통 및 주차의 정도)에 대응하는 특징들에 기초하여 이러한 2차 값을 정의한다. 사용자는 이들 값들을 동일한 가중치들과 조합할 수 있거나, 사용자는 원하는 가중된 평균을 생성하기 위해 각 특징에 대한 가중 팩터들을 선택할 수 있다. 이것은 사용자가 그들의 특징 스코어들을 정의하고 개인화하게 한다. 이러한 예에서, 사용자는 식사에 대한 0.5의 가중 팩터, 라이브 음악에 대한 0.2의 가중 팩터, 영화관들에 대해 0.2의 가중 팩터, 및 접근성에 대한 0.1의 가중 팩터를 선택할 수 있다. 2차 값을 정의한 이후에, 2차 값은 임의의 특징 스코어 위치에 대한 다른 특징으로서 디스플레이될 수 있다. 연속 함수들이 2차 값을 형성하기 위해 사용된 각 특징에 대한 스코어링 모델에 대해 제공되기 때문에, 2차 값은 임의의 원하는 특징 스코어 위치에 대해 또한 이용가능하다.

높은 인구 영역들에서 값들의 공분산 결정

일부 양태들에서, 원하는 특징은 기본 그리드 영역내에서 임의의 식별된 데이터를 갖지 않을 수 있다. 이것은 실제로 미싱된 특징으로 인한 것일 수 있거나, 특징 데이터를 획득하기 위해 사용된 소스들로부터의 가용 정보의 부족으로 인한 것일 수 있다. 미싱 특징들로 기본 그리드 영역들에 대한 특징 스코어들을 핸들링하는 일 방법이 다른 기본 그리드 영역들에 존재하는 특징들에 기초하여 스코어링 모델을 단순히 피팅하는 것이다. 위에서 언급한 바와 같이, 개별 기본 그리드 영역들에 대한 기본 함수들은 인접하거나 근처의 기본 그리드 영역들에서 넌-제로 값들을 일반적으로 갖는다. 따라서, 미싱 데이터를 갖는 기본 그리드 영역은 식별된 특징들을 포함하지 않는 다른 근처의 기본 그리드 영역들로부터의 이러한 오버랩으로 인해 넌-제로 특징 스코어를 종종 갖는다.

충분한 인구 밀도를 갖는 영역들에서, 다른 옵션은 기본 그리드 영역에 존재하는 다른 특징들에 기초하여 기본 그리드 영역에 대한 특징 데이터를 추론하는 것일 수 있다. 특징들에 대한 잠재적 추론 값들이 공분산 매트릭스를 형성함으로써 결정될 수 있다. 초기 필터로서, 공분산 매트릭스에 포함된 기본 그리드 영역들은, 높은 인구 영역들이 특징들 사이에서 더욱 신뢰가능한 상관을 갖는 것으로 예상되기 때문에, 충분한 인구 밀도를 갖는 영역들로 제한될 수 있다. 제 2 필터로서, 특징에 대한 공분산은 식별된 특징들을 포함하는 기본 그리드 영역들만에 기초하여 결정될 수 있다. 다시 말해, 정해진 특징에 대한 특징 데이터를 포함하는 않는 기본 그리드 영역들은 그 특징을 수반하는 공분산들을 결정하는데 있어서 사용되지 않는다.

복수의 기본 그리드 영역들에서 복수의 특징들에 대한 특징 스코어들이 상관을 식별하기 위해 분석될 수 있다. 공분산을 분석하는 임의의 편리한 통계적 방법이 사용될 수 있다. 가설의 예로서, 캘리포니아, 오리건, 및 워싱턴 주의 도시 및 교외 영역들에서(즉, 충분한 인구 밀도), 1 내지 100의 규모로 적어도 60의 식사 스코어를 갖는 기본 그리드 영역들은 적어도 40의 "와인" 스코어를 갖는 것과 상관한다. 식사 특징이 거의 모든 기본 그리드 영역에서 식별된 특징 데이터를 갖기 때문에, 이러한 공분산은 덜 일반적으로 보고된 와인 특징에 대한 특징 스코어들을 제공하는데 유용할 수 있다. 충분한 인구 밀도, 적어도 60의 식사 스코어, 및 와이 특징에 대한 미싱 값을 갖는 기본 그리드 영역들에 대해, 와이 특징에 대한 데이터가 기본 그리드 영역에 대해 추론될 수 있다. 추론된 값에 대한 예들은 이러한 예에서 40인 최소 상관값에 대응할 수 있거나, 추론된 값은 와인 값을 추론하기 위해 사용된 식사 값의 부분일 수 있다. 그 후, 식사 및 와인 특징들의 공분산으로부터 유도된 이러한 추론된 값은 상술한 바와 같이, 스코어링 모델의 정규화 동안 미싱 와인 특징 데이터를 갖는 기본 그리드 영역들에 대해 사용될 수 있다.

예 1 - 탐색 결과들과 특징 스코어들의 통합

이러한 예에서, 사용자는 사용자가 친숙하지 않은 도시에서의 호텔을 찾는데 관심이 있다. 사용자는 샌디에고의 호텔들 중 내가 선호하는 호텔 체인의 일부인 호텔을 선택하려 한다.

도 1은 탐색 문의 박스(110)에서 탐색 문의 "내가 선호하는 호텔 샌디에고"를 입력하는 것에 응답하여 사용자에게 디스플레이되는 결과들의 예를 개략적으로 도시한다. 이것은 샌디에고에서 내가 선호하는 호텔의 상이한 위치들에 대응하는 적어도 2개의 응답 결과들(121 및 126)을 생성한다. 다른 응답 결과들(131), 제안된 문의들(134), 및 스폰서된 결과(137)와 같은, 탐색 엔진 및/또는 다른 애플리케이션에 의해 디스플레이된 다른 종래의 결과들이 또한 제공될 수 있다. 응답 결과들(121 및 127)은 결과들에 관한 추가의 정보를 디스플레이하기 위해 사용자에 의해 선택될 수 있는 탭들(122 및 127)을 또한 포함한다.

도 2는 사용자가 탭(122)을 선택한 이후의 결과 페이지의 예를 개략적으로 도시한다. 이것은 응답 결과(121)에 관한 각종의 정보를 나타내는 사이드 바 영역(140)을 띄운다. 사이드 바 영역(140)은 결과(121)에서 호텔 주위의 로컬 영역을 나타내는 맵(242), 룸 이용가능성을 체크하는 인터페이스(144), 및 특징 스코어 영역을 포함한다. 이러한 예에서, 특징 스코어 영역은 디스플레이를 위한 특징 스코어들의 선택을 위한 드롭 다운 메뉴(151)를 포함한다. 옵션으로, 드롭 다운 메뉴(151)는 사용자에 의해 정의된 임의의 2차 값 뿐만 아니라 추가의 2차 값들을 생성하기 위한 인터페이스를 나타내는 옵션을 포함할 수 있다. 특징 스코어 영역은 사용자에 의해 디스플레이를 위해 선택된 2개의 특징 스코어들(154 및 156)을 또한 나타낸다. 특징 스코어(154)는 결과(121)에서 호텔에 대해 9의 식사 스코어를 제공하는 반면에, 특징 스코어(156)는 호텔 결과(121)에 대해 펍 스코어를 제공한다. 도 2에서, 특징 스코어들(154 및 156)은 부분적으로 채워진 링내에 숫자들로서 디스플레이된다. 이것은 스코어가 0과 10 사이의 값들에 기초하여 계산되었다는 것을 이해하도록 사용자에게 컨텍스트를 제공한다. 특징 스코어가 8.0의 식사 스코어 및 5.2의 펍 스코어를 디스플레이하는 것과 같이, 원하는 경우에 추가의 소수 자리들로 디스플레이될 수 있다는 것에 유의한다.

도 3은 사용자가 탭(127)을 선택한 이후의 결과 페이지의 예를 개략적으로 도시한다. 도 3에서의 결과 페이지는 도 2에서의 결과 페이지에 유사한 정보를 제공하지만, 사이드 바 정보는 결과(126)에서 호텔의 위치에 관한 맵(342)과 같은 결과(126)와 이제 관련된다. 도 3에 도시된 바와 같이, 결과(122)에서의 호텔 위치에 대한 식사 스코어(164)는 10인 반면에, 펍 스코어는 8이다. 이러한 특징 스코어 정보에 기초하여, 사용자는 결과(122)에서의 호텔이 더욱 양호한 각종의 근처 식당들 및/또는 바들을 갖고, 따라서, 사용자의 저녁시간이 자유로울 때 출장 동안 머무를 더욱 양호한 선택이라는 것을 쉽게 이해할 수 있다.

예 2 - 특징 스코어들로 탐색 결과들의 필터링

이러한 예에서, 특징 스코어들은 도시에서 매매용의 바람직한 하우스를 식별하는 애플리케이션과 같은, 애플리케이션 내의 정보를 필터링하기 위해 사용된다. 도 4는 매매용인 하우스들을 디스플레이하는 맵 디스플레이의 예를 개략적으로 도시한다. 도 4에서, 명시적으로 도시된 위치들(411, 412, 413, 및 414)은 매매용인 디스플레이의 영역 내의 하우스들을 나타낸다. 도 4에서, 3개의 추가의 영역들이 또한 개략적으로 도시되어 있다. 실선내에 포함된 영역(420)은 (0.0 내지 10.0의 규모의) 적어도 7.1의 보행자 액세스 또는 보행성 스코어를 갖는 영역을 나타낸다. 점선 내의 영역(430)은 적어도 6.0의 (주요 간선도로에 근접성에 기초한) 접근성 스코어를 갖는 영역을 나타낸다. 파선 내의 영역(440)은 적어도 7.5의 2차 값에 대한 스코어를 갖는 영역을 나타낸다. 이러한 예에서 특정된 2차 값은 범위 빈도 특징 및 학교 품질 특징의 평균이다. 도 4에 도시되어 있는 바와 같이, 4개의 하우스들 중 하나(하우스(411))만이 3개의 추가의 영역들(420, 430, 및 440) 모두가 교차되는 지역내에 있다.

양태에 따라, 도 4에 도시된 정보의 타입은 모든 기준들을 충족시키는 (하우스들과 같은) 위치들을 하이라이트함으로써 디스플레이될 수 있고, 다른 음영/컬러들이 모든 기준들 보다 적은 기준을 충족시키는 위치들에 대해 사용된다. 대안으로서, 영역들(420, 430, 및 440)은 투명 마스크들로서 디스플레이될 수 있다. 원하는 탐색 오브젝트와의 조합에서 특징 정보를 시각화하는 또 다른 옵션들이 특징 정보의 본질에 기초하여 사용될 수 있다.

예 3 - 기반 특징들의 디스플레이

도 5는 모바일 디바이스상에서 사용자에게 디스플레이된 맵 영역의 예를 도시한다. 사용자는 사용자의 현재 위치(555)와 같은, 사용자 선택 포인트에 기초하여 식사를 위한 특징 스코어(550)의 디스플레이를 요청하였다. 도 5에서, 마커들(571 및 572)과 같은 복수의 마커들이 또한 디스플레이된다. 마커들(571 및 572)은 특징 스코어(550)를 생성하기 위해 스코어링 모델의 계산과 관련된 것으로서 식별된 특징들에 대응한다. 도 5에 도시된 디스플레이 예에서, 특징 스코어(550) 및 마커들(571 및 572)을 나타내는 것에 부가하여, 마커들(571 및 572) 각각에 대응하는 식별된 특징들(561 및 562)의 설명이 또한 제공된다. 설명들(561 및 562)은 특징에 대한 웹 사이트로의 링크, 특징에 관한 정보, 특징에 관한 리뷰들, 및/또는 탐색 결과 페이지의 일부로서 디스플레이될 수 있는 다른 정보와 같은 아이템들을 포함할 수 있다.

특징 스코어에 대한 기반 특징들을 나타내는 뷰를 사용자에게 제공하는 것은 특징 스코어의 의미에 대한 추가의 식견을 사용자에게 제공할 수 있다. 예를 들어, 사용자는 임계값 보다 큰 식사 스코어를 갖는 도시 내의 영역들을 탐색할 수 있다. 높은 식사 스코어를 갖는 영역들을 식별하면, 사용자는 이들 영역들에 집중할 수 있고 높은 식사 스코어에 기여하는 기반 식당들을 볼 수 있다. 이것은 도시 또는 이웃과 친숙하지 않은 사용자가 다양한 타입들의 특징들에 관한 상세한 정보에 빠르게 액세스하게 할 수 있다.

예 4 - 영역 비교

이러한 예에서, 사용자는 2개의 근처의 영역들에 존재하는 쇼핑 품질을 비교하기를 원한다. 사용자는 양호한 쇼핑 품질을 갖지만 낮은 교통 혼잡을 갖는 영역을 선택하려 한다. 먼저, 사용자는 쇼핑에 대해 0.6의 가중치 및 교통에 대해 0.4의 가중치를 갖는 2차 값을 정의한다. 그 후, 사용자는 2차 값에 대한 특징 스코어를 보기 위해 쇼핑 몰들을 갖는 것으로 알려진 2개의 영역들을 특정한다.

이러한 예에서, 맵들이 요청된 2개의 영역들에 대해 사용자에게 디스플레이된다. 맵들의 아래에는, 사용자에 의해 요청된 2차 값에 대한 특징 스코어의 대형 디스플레이 뿐만 아니라 2차 값을 형성하기 위해 사용된 기반 특징들에 대한 특징 스코어들용의 소형 디스플레이들이 존재한다. 원하는 경우에, 기반 특징들에 대한 스코어들의 소형 디스플레이들은 생략될 수 있다.

추가의 예들

본 발명의 다양한 실시예들의 개요를 간략하게 설명하면, 본 발명을 수행하는데 적합한 예시적인 동작 환경이 이제 설명된다. 일반적으로 도면을 참조하면, 처음에 특히 도 7을 참조하면, 본 발명의 실시예들을 구현하는 예시적인 동작 환경이 일반적으로 컴퓨팅 디바이스(700)로서 도시되고 지정되어 있다. 컴퓨팅 디바이스(700)는 적합한 컴퓨팅 환경의 일례이지만, 본 발명의 사용 또는 기능의 범주에 관하여 어떠한 제한을 제시하도록 의도되지는 않는다. 컴퓨팅 디바이스(700)는 예시된 컴포넌트들 중 어느 하나 또는 조합에 관한 어떠한 의존성 또는 요건을 갖는 것으로 해석되지 않아야 한다.

본 발명의 실시예들은 휴대 정보 단말기 또는 다른 핸드헬드 디바이스와 같은 컴퓨터 또는 다른 머신에 의해 실행되는 프로그램 모듈들과 같은 컴퓨터 실행가능 명령어들을 포함하는, 컴퓨터 코드 또는 머신 사용가능한 명령어들의 일반적인 문맥에서 설명될 수 있다. 일반적으로, 루틴들, 프로그램들, 오브젝트들, 컴포넌트들, 데이터 구조들 등을 포함하는 프로그램 모듈들은 특정한 작업들을 수행하거나 특정한 추상적 데이터 타입들을 구현하는 코드를 지칭한다. 본 발명은 핸드-헬드 디바이스들, 소비자 전자기기들, 범용 컴퓨터들, 더욱 특수한 컴퓨팅 디바이스들 등을 포함하는 각종 시스템 구성들에서 실시될 수 있다. 본 발명은 작업들이 통신 네트워크를 통해 링크되는 원격 프로세싱 디바이스들에 의해 수행되는 분산 컴퓨팅 환경들에서 또한 실시될 수도 있다.

도 7을 계속 참조하면, 컴퓨팅 디바이스(700)는 하기의 디바이스들: 메모리(712), 하나 이상의 프로세서들(714), 하나 이상의 프리젠테이션 컴포넌트들(716), 입/출력(I/O) 포트들(718), I/O 컴포넌트들(720), 및 예시적인 전원(722)을 직접적으로 또는 간접적으로 결합하는 버스(710)를 포함한다. 버스(710)는 (어드레스 버스, 데이터 버스, 또는 이들의 조합과 같은) 하나 이상의 버스들일 수 있는 것을 나타낸다. 도 7의 다양한 블록들이 명확화를 위해 선들로 도시되어 있지만, 실제로는, 다양한 컴포넌트들을 나타내는 것이 그렇게 명확하지 않고, 은유적으로, 선들은 더욱 정확하게는 애매하고 흐릿하다. 예를 들어, 디스플레이 디바이스와 같은 프리젠테이션 컴포넌트를 I/O 컴포넌트인 것으로 고려할 수 있다. 추가로, 다수의 프로세서들이 메모리를 갖는다. 본 발명의 발명자들은 이러한 당업계의 본질을 인식하고, 도 7의 도면이 본 발명의 하나 이상의 실시예들과 관련하여 사용될 수 있는 예시적인 컴퓨팅 디바이스의 단지 예시라는 것을 되풀이하여 말한다. "워크스테이션", "서버", "랩탑", "핸드-헬드 디바이스", "태블릿" 등과 같은 카테고리들 모두가 도 7의 범주내에서 예상되고 "컴퓨팅 디바이스"를 참조하기 때문에 이들 카테고리들 사이의 구별이 이루어지지 않는다.

컴퓨팅 디바이스(700)는 통상적으로 각종의 컴퓨터 판독가능 매체들을 포함한다. 컴퓨터 판독가능 매체들은 컴퓨터 또는 컴퓨팅 디바이스에 의해 액세스될 수 있는 임의의 이용가능한 매체들일 수 있고, 휘발성 및 비휘발성 매체들, 및 분리형 및 비분리형 매체들 양자를 포함한다. 컴퓨터 판독가능 매체들은 실행가능 명령어들 또는 소프트웨어, 취득되거나 생성된 데이터, 및 프로세서에 의한 사용을 위해 또는 프로세서로부터의 출력으로서 통상적으로 저장된 그 밖의 것을 포함하여, 임의의 편리한 타입의 정보를 저장하기 위해 사용될 수 있다. 제한하지 않는 예로서, 컴퓨터 판독가능 매체들은 컴퓨터 저장 매체들 및 통신 매체들을 포함할 수 있다. 컴퓨터 저장 매체들은 컴퓨터 판독가능 명령어들, 데이터 구조들, 프로그램 모듈들 또는 다른 데이터와 같은 정보의 저장을 위해 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체들을 포함한다. 컴퓨터 저장 매체들은 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 전자적으로 소거가능한 프로그램가능 판독 전용 메모리(EEPROM), 플래시 메모리 또는 다른 메모리 기술, CD-ROM, 디지털 다기능 디스크들(DVD) 또는 홀로그래픽 메모리, 자기 카세트들, 자기 테이프, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 원하는 정보를 인코딩하기 위해 사용될 수 있고 컴퓨팅 디바이스(700)에 의해 액세스될 수 있는 임의의 다른 매체를 포함하지만, 이에 제한되지 않는다. 실시예에서, 컴퓨터 저장 매체들은 유형의 컴퓨터 저장 매체들로부터 선택될 수 있다. 컴퓨터 저장 매체들의 정의는 "신호 자체"로 고려되는 임의의 매체들을 배제한다.

통신 매체들은 반송파 또는 다른 전송 메커니즘과 같은 변조 데이터 신호에서 컴퓨터 판독가능 명령어들, 데이터 구조들, 프로그램 모듈들 또는 다른 데이터를 통상적으로 수록하고, 임의의 정보 전달 매체들을 포함한다. 용어 "변조 데이터 신호"는 신호에서의 정보를 인코딩하는 것에 관한 이러한 방식으로 설정되거나 변경된 그 특징들 중 하나 이상을 갖는 신호를 의미한다. 제한하지 않는 예로서, 통신 매체들은 유선 네트워크 또는 직접-유선 연결과 같은 유선 매체들, 및 음향파, RF, 적외선, 및 다른 무선 매체들과 같은 무선 매체들을 포함한다. 상기의 것들의 임의의 조합들이 컴퓨터 판독가능 매체의 범주 내에 또한 포함되어야 한다.

메모리(712)는 휘발성 및/또는 비휘발성 메모리의 형태의 컴퓨터 저장 매체들을 포함할 수 있다. 메모리는 분리형, 비분리형, 또는 이들의 조합일 수 있다. 예시적인 하드웨어 디바이스들이 고체 상태 메모리, 하드 드라이브들, 광학 디스크 드라이브들 등을 포함한다. 컴퓨팅 디바이스(700)는 메모리(712) 또는 I/O 컴포넌트들(720)과 같은 다양한 엔티티들로부터 데이터를 판독하는 하나 이상의 프로세서들을 포함한다. 프리젠테이션 컴포넌트(들)(716)는 사용자 또는 다른 디바이스에 데이터 표시들을 제공한다. 예시적인 프리젠테이션 컴포넌트들은 디스플레이 디바이스, 스피커, 인쇄 컴포넌트, 진동 컴포넌트 등을 포함한다.

I/O 포트들(718)은 I/O 컴포넌트들(720) 중 일부가 내장될 수 있는 I/O 컴포넌트들을 포함하는 다른 디바이스들에 컴퓨팅 디바이스(700)가 논리적으로 결합되게 할 수 있다. 예시적인 컴포넌트들은 마이크로폰, 조이스틱, 게임 패드, 위성 접시, 스캐너, 프린터, 무선 디바이스 등을 포함할 수 있다. I/O 컴포넌트들은 터치 입력(예를 들어, 키보드 또는 마우스와의 상호작용에 기초한 디스플레이상의 간접 이동과 반대로, 디스플레이 인터페이스의 터치 또는 디스플레이 인터페이스에 근접), 제스처 입력, 햅틱 입력, 음성 입력, 근접 입력, 상기에서 식별된 입력 디바이스들과 같은 2차 입력 디바이스와의 상호작용, 또는 임의의 다른 편리한 타입의 입력과 같은 복수의 입력 타입들로부터 하나 이상의 입력 타입들을 수신하는 컴포넌트들을 포함할 수 있다.

도 6을 참조하면, 본 발명의 실시예들에서 사용에 적합한 예시적인 네트워크 환경(600)을 도시하는 블록도가 설명된다. 환경(600)은 본 발명의 실시예들에서 사용될 수 있는 환경의 일례이지만, 광범위한 구성들에서 임의의 수의 컴포넌트들을 포함할 수 있다. 여기에 제공된 환경(600)의 설명은 예시 목적이고 본 발명의 실시예들이 구현될 수 있는 환경들의 구성들을 제한하도록 의도되지 않는다.

환경(600)은 네트워크(604), 사용자 브라우저(616)를 포함하는 사용자 디바이스(606), 특징 데이터 취득 서비스(608), 및 스코어링 모델 빌더(612)를 포함한다. 스코어링 모델 빌더(612)는 기본 함수들을 기본 그리드 영역들에 피팅하고 특징들에 대한 스코어링 모델들을 업데이트하는 1차 빌드 컴포넌트를 나타낸다. 그러나, 스코어링 모델 빌더(614)의 로컬하게 동작된 버전들이 실시간 업데이트들로부터 이익을 얻는 특징들과 같은 일부 특징들에 대해 또한 사용될 수 있다. 환경(600)은 식별된 특징 데이터 및 기본 그리드 영역에 대한 현재 기본 함수(들)와 같은 기본 그리드 영역들에 관한 정보를 저장하는 기본 그리드 영역 스토리지(622)를 또한 포함한다. 환경(600)은 2차 변수들에 대한 로컬 사용자 정의들을 유지하는 2차 가변 정의 컴포넌트(626)를 더 포함할 수 있다. 환경은 탐색 엔진 또는 서비스(624)를 또한 더 포함할 수 있다. 탐색 서비스(624)는 각종 방식들로 특징 스코어들과 작동할 수 있다. 일부 양태들에서, 탐색 서비스는 특징 스코어 위치들을 선택하기 위해 사용될 수 있다. 다른 양태들에서, 탐색 서비스에 의한 응답으로서 식별된 결과들이 임계값을 충족하는 대응하는 특징 스코어들을 갖는 결과들에 기초하여 필터링될 수 있다.

네트워크(604)는 예를 들어, 인터넷, 인트라넷, 사설 및 공중 로컬 네트워크들, 및 무선 데이터 또는 전화 네트워크들과 같은 임의의 컴퓨터 네트워크를 포함하지만, 이에 제한되지 않는다. 사용자 디바이스(606)는 컴퓨팅 디바이스(700)와 같은 임의의 컴퓨팅 디바이스일 수 있고, 컴퓨팅 디바이스로부터 탐색 문의가 제공될 수 있다. 예를 들어, 사용자 디바이스(606)는 다른 것들 중에서, 개인 컴퓨터, 랩탑, 태블릿, 서버 컴퓨터, 무선 전화 또는 디바이스, 휴대 정보 단말기(PDA), 또는 디지털 카메라일 수 있다. 스코어링 모델 빌더(612)는 컴퓨팅 디바이스(700)와 같은 임의의 컴퓨팅 디바이스상에서 구동되고, 상술한 기능들 중 일부 또는 모두를 제공하는 빌더를 나타낼 수 있다. 유사하게, 특징 데이터 취득 서비스(608)는 특징에 대한 스코어링 모델을 구성하는 특징 데이터로서 사용될 수 있는 네트워크를 통해 가용 데이터를 식별하고 그리고/또는 취득할 수 있는 임의의 타입의 컴퓨터 디바이스상에서 구동하는 서비스를 나타낼 수 있다.

도 8은 본 발명의 일 실시예에 따른 지리적 영역에 관한 특징 스코어들을 제공하는 방법에 대한 일례를 도시한다. 도 8에 도시된 실시예에서, 복수의 기본 그리드 영역들내의 하나 이상의 특징들에 대한 데이터가 취득된다(810). 하나 이상의 특징들 중 각 특징에 대해, 복수의 기본 그리드 영역들에서의 취득된 특징 데이터에 기초하여 스코어링 모델이 생성된다(820). 스코어링 모델은 복수의 기본 그리드 영역들내에 연속 스코어링 모델을 포함한다. 그 후, 특징 스코어 위치가 결정되고(830), 결정된 특징 스코어 위치는 하나 이상의 기본 그리드 영역들내에 포함된다. 특징의 선택이 또한 수신된다(840). 그 후, 선택된 특징과 연관된 스코어링 모델이 특징 스코어를 결정하기 위해 샘플링된다(850). 결정된 특징 스코어 위치 중 적어도 일부를 포함하는 맵이 디스플레이된다(860). 그 후, 결정된 특징 스코어에 기초한 특징 스코어가 제공된다(870). 결정된 특징 스코어에 기초한 특징 스코어는 예를 들어, 2개 이상의 특징들에 대한 스코어링 모델의 샘플링에 기초하는 사용자에 의해 정의된 2차 값일 수 있다. 특징 스코어는 예를 들어, 디스플레이된 맵과 관련하여 그리고/또는 디스플레이된 맵에서 포인트 또는 영역에 대한 추가의 설명과 관련하여 디스플레이될 수 있다.

도 9는 본 발명의 다른 실시예에 따라 제공되는 지리적 영역에 관한 특징 스코어들을 제공하는 방법에 대한 일례를 도시한다. 도 9의 실시예에서, 특징 스코어 위치가 결정된다(910). 특징 스코어 위치는 포인트 또는 영역을 정의하는 사용자 입력에 기초하여 결정될 수 있다. 다른 옵션은 현재 사용자 위치와 같은 사용자 컨텍스트에 기초하여 특징 스코어 위치를 추론하는 것이다. 또 다른 옵션은 탐색 문의에 대한 응답 결과에 대한 위치에 기초하여 특징 스코어 위치를 결정하는 것이다. 하나 이상의 특징들의 선택이 또한 수신된다(920). 각 선택된 특징은 적어도 하나의 스코어링 모델과 연관된다. 선택된 특징과 연관된 스코어링 모델(들)은 하나 이상의 기본 그리드 영역들에 걸쳐 정의된 연속 스코어링 모델(들)이다. 결정된 특징 스코어 위치는 하나 이상의 기본 그리드 영역들내에 포함된다. 다양한 실시예들에서, 특징들이 특징 스코어 위치의 결정(910) 이전, 이후, 또는 이전과 이후 양자에 선택될 수 있다는 것에 유의한다. 그 후, 각 선택된 특징과 연관된 적어도 하나의 스코어링 모델이 하나 이상의 선택된 특징들에 대한 특징 스코어들을 결정하기 위해 샘플링된다(930). 샘플링은 단일 포인트의 샘플링, (경계 형상내와 같은) 영역 내의 복수의 포인트들의 샘플링, 또는 원하는 영역에 걸친 스코어링 모델의 통합에 대응할 수 있다. 결정된 특징 스코어 위치 중 적어도 일부를 포함하는 맵이 디스플레이된다(940). 그 후, 선택된 특징들의 특징 스코어들이 예를 들어, 디스플레이된 맵과 관련하여 그리고/또는 디스플레이된 맵에서 포인트 또는 영역에 대한 추가의 설명과 관련하여 디스플레이될 수 있다(950).

도 10은 본 발명의 다른 실시예에 따른 지리적 영역에 관한 특징 스코어들을 제공하는 방법에 대한 일례를 도시한다. 도 10에 도시된 실시예에서, 샘플링 영역이 결정된다(1010). 샘플링 영역은 예를 들어, 사용자가 임계값을 충족하는 특징 스코어를 갖는 특징 스코어 위치들을 식별하려는 사용자에 의해 특정된 영역에 대응할 수 있다. 하나 이상의 특징들의 선택이 또한 수신된다(1020). 바람직하게는, 각 선택된 특징은 적어도 하나의 스코어링 모델과 연관된다. 바람직하게는, 스코어링 모델은 하나 이상의 기본 그리드 영역들에 걸친 연속 스코어링 모델을 포함한다. 결정된 샘플링 영역은 하나 이상의 기본 그리드 영역들내에 포함될 수 있다. 하나 이상의 선택된 특징들에 대한 특징 임계치들이 또한 수신된다(1030). 그 후, 각 선택된 특징과 연관된 적어도 하나의 스코어링 모델이 수신된 특징 임계치들을 충족하는 하나 이상의 선택된 특징들에 대한 특징 스코어들을 갖는 샘플링 영역 내의 적어도 하나의 특징 스코어 위치를 식별하기 위해 샘플링된다(1040). 적어도 하나의 특징 스코어 위치를 포함하는 맵이 디스플레이된다(1050). 맵은 특징 스코어 위치의 식별 이전에 디스플레이될 수 있다는 것에 유의한다. 그 후, 디스플레이된 맵상에 적어도 하나의 식별된 특징 스코어 위치의 표시자가 제공된다(1060).

본 발명의 실시예들이 제한이라기 보다는 예시적인 것으로 모두 의도되는 특정한 실시예들에 관련하여 설명되었다. 대안의 실시예들이 본 발명의 범주를 벗어나지 않고 본 발명이 속하는 기술 분야의 통상의 기술자에게 명백해질 것이다.

일 실시예에서, 지리적 영역에 관한 특징 스코어들을 제공하는 방법이 제공된다. 방법은 특징 스코어 위치를 결정하는 단계; 하나 이상의 특징들의 선택을 수신하는 단계 - 각 선택된 특징은 적어도 하나의 스코어링 모델과 연관되고, 선택된 특징과 연관된 스코어링 모델은 하나 이상의 기본 그리드 영역들에 걸쳐 정의된 연속 스코어링 모델을 포함하고, 결정된 특징 스코어 위치는 하나 이상의 기본 그리드 영역들내에 포함됨 -; 하나 이상의 선택된 특징들에 대한 특징 스코어들을 결정하기 위해 각 선택된 특징과 연관된 적어도 하나의 스코어링 모델을 샘플링하는 단계; 결정된 특징 스코어 위치의 적어도 일부를 포함하는 맵을 디스플레이하는 단계; 및 선택된 특징들의 특징 스코어들을 제공하는 단계를 포함한다.

다른 실시예에서, 지리적 영역에 관한 특징 스코어들을 제공하는 방법이 제공된다. 방법은 샘플링 영역을 결정하는 단계; 하나 이상의 특징들의 선택을 수신하는 단계 - 각 선택된 특징은 적어도 하나의 스코어링 모델과 연관되고, 스코어링 모델은 하나 이상의 기본 그리드 영역들에 걸친 연속 스코어링 모델을 포함하고, 결정된 샘플링 영역은 하나 이상의 기본 그리드 영역들내에 포함됨 -; 하나 이상의 선택된 특징들에 대한 특징 임계치들을 수신하는 단계; 수신된 특징 임계치들을 충족하는 하나 이상의 선택된 특징들에 대한 특징 스코어들을 갖는 샘플링 영역 내의 적어도 하나의 특징 스코어 위치를 식별하기 위해 각 선택된 특징과 연관 적어도 하나의 스코어링 모델을 샘플링하는 단계; 적어도 하나의 특징 스코어 위치를 포함하는 맵을 디스플레이하는 단계; 및 적어도 하나의 식별된 특징 스코어 위치의 표시자를 디스플레이된 맵상에 제공하는 단계를 포함한다.

또 다른 실시예에서, 지리적 영역에 관한 특징 스코어들을 제공하는 방법이 제공된다. 방법은 복수의 기본 그리드 영역 내의 하나 이상의 특징들에 대한 데이터를 취득하는 단계; 하나 이상의 특징들의 각 특징에 대해, 복수의 기본 그리드 영역들에서의 취득된 특징 데이터에 기초하여 스코어링 모델을 생성하는 단계 - 스코어링 모델은 복수의 기본 그리드 영역들내에 연속 스코어링 모델을 포함함 -; 특징 스코어 위치를 결정하는 단계 - 결정된 특징 스코어 위치는 하나 이상의 기본 그리드 영역들내에 포함됨 -; 특징의 선택을 수신하는 단계; 특징 스코어를 결정하기 위해 선택된 특징과 연관된 스코어링 모델을 샘플링하는 단계; 결정된 특징 스코어 위치의 적어도 일부를 포함하는 맵을 디스플레이하는 단계; 및 결정된 특징 스코어에 기초하여 특징 스코어를 제공하는 단계를 포함한다.

전술한 바로부터, 본 발명이 구조에 명백하고 고유한 다른 이점들과 함께 상술한 모든 목표들 및 목적들을 획득하기에 매우 적합한 것이라는 것을 알 것이다.

특정한 특징들 및 서브조합들이 실용적이고 다른 특징들 및 서브조합들을 참조하지 않고 이용될 수 있다는 것이 이해될 것이다. 이것은 청구항들의 범주에 의해 예상되고 청구항의 범주내에 있다.

Claims (10)

1. 컴퓨팅 디바이스에 의해 실행될 때, 지리적 영역에 관한 특징 스코어들을 제공하는 방법을 수행하는 컴퓨터 사용가능한 명령어들을 저장하는 하나 이상의 컴퓨터 저장 매체들로서, 상기 방법은,
   특징 스코어 위치를 결정하는 단계;
   하나 이상의 특징들의 선택을 수신하는 단계로서, 각 선택된 특징은 적어도 하나의 스코어링 모델과 연관되고, 선택된 특징과 연관 스코어링 모델은 하나 이상의 기본 그리드 영역들에 걸쳐 정의된 연속 스코어링 모델을 포함하고, 상기 결정된 특징 스코어 위치는 상기 하나 이상의 기본 그리드 영역들 내에 포함되는 것인 상기 수신하는 단계;
   상기 하나 이상의 선택된 특징들에 대한 특징 스코어들을 결정하기 위해 각 선택된 특징과 연관된 상기 적어도 하나의 스코어링 모델을 샘플링하는 단계;
   상기 결정된 특징 스코어 위치 중 적어도 일부를 포함하는 맵을 디스플레이하는 단계; 및
   상기 선택된 특징들의 상기 특징 스코어들을 제공하는 단계를 포함하는 하나 이상의 컴퓨터 저장 매체들.
2. 제1항에 있어서,
   상기 특징 스코어 위치는 경계 형상 내의 포인트 또는 영역, 탐색 문의에 대한 응답 결과와 연관된 위치, 또는 이들의 조합 중 적어도 하나를 포함하는 것인 하나 이상의 컴퓨터 저장 매체들.
3. 제1항에 있어서,
   기본 그리드 영역 내의 하나 이상의 특징들에 상기 연속 스코어링 모델을 피팅하는 것, 상기 기본 그리드 영역에서의 특징들과 연관된 하나 이상의 기본 함수들에 상기 연속 스코어링 모델을 피팅하는 것, 또는 이들의 조합에 기초하여 상기 기본 그리드 영역에 걸쳐 연속 스코어링 모델이 정의되는 하나 이상의 컴퓨터 저장 매체들.
4. 제1항에 있어서,
   기본 그리드 영역 내의 하나 이상의 특징들은 소셜 미디어 특징들을 포함하고, 옵션으로, 적어도 하나의 소셜 미디어 특징은 엔티티 또는 지리적 영역에 대한 체크-인 특징, 엔티티 또는 지리적 영역에 대한 좋아요(like) 특징, 또는 이들의 조합에 대응하는 것인 하나 이상의 컴퓨터 저장 매체들.
5. 제1항에 있어서,
   상기 스코어링 모델을 샘플링하는 단계는, a) 상기 결정된 특징 스코어 위치에 대응하는 영역에 걸쳐 상기 스코어링 모델을 통합하고 그 통합된 값을 상기 결정된 특징 스코어 위치에 대응하는 상기 영역으로 분할하는 단계, b) 상기 특징 스코어 위치에 대응하는 경계 형상 내의 복수의 포인트들에서 상기 스코어링 모델의 값을 결정하는 단계, c) 상기 복수의 포인트들에서의 스코어링 모델 값들을 합산하고 상기 복수의 포인트들에 대응하는 수로 분할하는 단계, 또는 d) 이들의 조합을 포함하는 것인 하나 이상의 컴퓨터 저장 매체들.
6. 제1항에 있어서,
   적어도 하나의 선택된 특징은 2차 값을 포함하고, 상기 2차 값에 대한 상기 특징 스코어는, 2개 이상의 스코어링 모델들의 샘플링에 기초하여 결정되는 것인 하나 이상의 컴퓨터 저장 매체들.
7. 컴퓨팅 디바이스에 의해 실행될 때, 지리적 영역에 관한 특징 스코어들을 제공하는 방법을 수행하는 컴퓨터 사용가능한 명령어들을 저장하는 하나 이상의 컴퓨터 저장 매체들로서, 상기 방법은,
   샘플링 영역 - 상기 샘플링 영역은 사전 정의된 지리적 영역, 경계 형상 내의 영역, 또는 이들의 조합을 옵션으로 포함함 - 을 결정하는 단계;
   하나 이상의 특징들의 선택을 수신하는 단계로서, 각 선택된 특징은 적어도 하나의 스코어링 모델과 연관되고, 스코어링 모델은 하나 이상의 기본 그리드 영역들에 걸친 연속 스코어링 모델을 포함하고, 상기 결정된 샘플링 영역은 상기 하나 이상의 기본 그리드 영역들 내에 포함되는 것인 상기 수신하는 단계;
   상기 하나 이상의 선택된 특징들에 대한 특징 임계치들을 수신하는 단계;
   상기 수신된 특징 임계치들을 충족하는 상기 하나 이상의 선택된 특징들에 대한 특징 스코어들을 갖는 상기 샘플링 영역 내의 적어도 하나의 특징 스코어 위치를 식별하기 위해 각 선택된 특징과 연관된 상기 적어도 하나의 스코어링 모델을 샘플링하는 단계;
   상기 적어도 하나의 특징 스코어 위치를 포함하는 맵을 디스플레이하는 단계; 및
   상기 적어도 하나의 식별된 특징 스코어 위치의 표시자를 상기 디스플레이된 맵상에 제공하는 단계를 포함하는 것인 하나 이상의 컴퓨터 저장 매체들.
8. 제7항에 있어서,
   상기 적어도 하나의 특징 스코어 위치의 표시자를 제공하는 단계는, 각 특징이 특징 임계치를 충족하는 영역들에 대응하는 영역들을 디스플레이하는 단계를 포함하는 것인 하나 이상의 컴퓨터 저장 매체들.
9. 지리적 영역에 관한 특징 스코어들을 제공하는 방법으로서,
   복수의 기본 그리드 영역들 내의 하나 이상의 특징들에 대한 데이터를 취득하는 단계;
   상기 하나 이상의 특징들 중 각 특징에 대해, 상기 복수의 기본 그리드 영역들에서의 상기 취득된 특징 데이터에 기초하여 스코어링 모델 - 상기 스코어링 모델은 상기 복수의 기본 그리드 영역들 내에 연속 스코어링 모델을 포함함 - 을 생성하는 단계;
   특징 스코어 위치를 결정하는 단계로서, 상기 결정된 특징 스코어 위치는 상기 하나 이상의 기본 그리드 영역들 내에 포함되는 것인 상기 결정하는 단계;
   특징의 선택을 수신하는 단계;
   특징 스코어를 결정하기 위해 선택된 특징과 연관된 상기 스코어링 모델을 샘플링하는 단계;
   상기 결정된 특징 스코어 위치 중 적어도 일부를 포함하는 맵을 디스플레이하는 단계; 및
   상기 결정된 특징 스코어에 기초한 특징 스코어를 제공하는 단계를 포함하는 특징 스코어들을 제공하는 방법.
10. 제9항에 있어서,
    상기 스코어링 모델은, 기본 그리드 영역에서의 특징들과 연관된 하나 이상의 기본 함수들에 상기 스코어링 모델을 피팅하는 것에 기초하여 생성되는 것인 특징 스코어들을 제공하는 방법.

Images